- 现有最小能量覆盖规划算法使用元启发式**boustrophedon工作空间分解(boustrophedon workspace decomposition)**，无法达到最优能效
- 大部分现有框架只支持单一类型机器人平台，缺乏多平台适应性
- 需要处理大型**非凸感兴区域(Non-Convex ROI)**中的障碍物和禁飞区，传统方法效率低
- 多机器人协作下能耗和计算时间亟待优化
- 提出**MRCPP(多机器人覆盖路径规划)框架**，包含**全局感知swath生成(globally-informed swath generation)**模块
- 创建**平行扫描路径(parallel sweeping paths)**，通过最少转弯降低能耗
- 计算**安全缓冲区(safety buffers)**确保转弯安全间距
- 使用**高效mTSP(multiple Traveling Salesman Problem)求解器**平衡团队工作负载并最小化总任务时间
- 通过**改进可见性图(modified visibility graph)**连接不连续段，同时跟踪航向角并保持过渡在安全区域内
- **全局感知swath生成**：突破传统局部分解局限，从全局角度生成更节能的平行路径
- **改进可见性图**：首次在连接不连续路径时显式跟踪航向角，确保转弯时安全区域过渡
- **支持异构机器人平台(AAV和ASV)**：单一框架同时适用于空中和地面无人系统，具备跨平台通用性
- **显著能效提升**：在3台机器人团队中，平均总能耗降低3%-40%，计算时间降低一个数量级
- 提出了一种**节能的多机器人覆盖路径规划新框架**，为大型非凸区域下的团队协作提供了有效方案
- 在真实**AAV和ASV**平台上完成实验验证，证明了方法的实际可行性和跨平台适用性
- 在能耗、计算时间、负载平衡和可扩展性等指标上**全面超越现有一流方法**
- 将框架**开源发布**，并提供实验视频，促进社区复现和后续研究